python+selenium识别验证码并登录

由于工作需要，登录网站需要用到验证码。最初是研究过验证码识别的，但是总是不能获取到我需要的那个验证码。直到这周五，才想起这事来，昨天顺利的解决了。

下面正题：

python版本：3.4.3

所需要的代码库：PIL，selenium，tesseract

先上代码：

#coding:utf-8
import subprocess
from PIL import Image
from PIL import ImageOps
from selenium import webdriver
import time,os,sys


def cleanImage(imagePath):
    image = Image.open(imagePath)   #打开图片
    image = image.point(lambda x: 0 if x<143 else 255)  #处理图片上的每个像素点，使图片上每个点“非黑即白”
    borderImage = ImageOps.expand(image,border=20,fill='white')
    borderImage.save(imagePath)


def getAuthCode(driver, url="http://localhost/"):
    captchaUrl = url + "common/random"
    driver.get(captchaUrl)  
    time.sleep(0.5)
    driver.save_screenshot("captcha.jpg")   #截屏，并保存图片
    #urlretrieve(captchaUrl, "captcha.jpg")
    time.sleep(0.5)
    cleanImage("captcha.jpg")
    p = subprocess.Popen(["tesseract", "captcha.jpg", "captcha"], stdout=\
                         subprocess.PIPE,stderr=subprocess.PIPE)
    p.wait()
    f = open("captcha.txt", "r")
    
    #Clean any whitespace characters
    captchaResponse = f.read().replace(" ", "").replace("\n", "")


    print("Captcha solution attempt: " + captchaResponse)
    if len(captchaResponse) == 4:
        return captchaResponse
    else:
        return False


def withoutCookieLogin(url="http://org.cfu666.com/"):
    driver = webdriver.Chrome()
    driver.maximize_window()
    driver.get(url)
    while True:      
        authCode = getAuthCode(driver, url)
        if authCode:
            driver.back()
            driver.find_element_by_xpath("//input[@id='orgCode' and @name='orgCode']").clear()
            driver.find_element_by_xpath("//input[@id='orgCode' and @name='orgCode']").send_keys("orgCode")
            driver.find_element_by_xpath("//input[@id='account' and @name='username']").clear()
            driver.find_element_by_xpath("//input[@id='account' and @name='username']").send_keys("username")
            driver.find_element_by_xpath("//input[@type='password' and @name='password']").clear()
            driver.find_element_by_xpath("//input[@type='password' and @name='password']").send_keys("password")              
            driver.find_element_by_xpath("//input[@type='text' and @name='authCode']").send_keys(authCode)
            driver.find_element_by_xpath("//button[@type='submit']").click()
            try:
                time.sleep(3)
                driver.find_element_by_xpath("//*[@id='side-menu']/li[2]/ul/li/a").click()
                return driver
            except:
                print("authCode Error:", authCode)
                driver.refresh()
    return driver


driver = withoutCookieLogin("http://localhost/")
driver.get("http://localhost/enterprise/add/")

怎么获取我们需要的验证码

在这获取验证码的道路上，我掉了太多的坑，看过太多的文章，很多都是教你验证码的识别方法，但是没有说明，怎么获取你当前需要的验证码图片。

我的处理方法是：

1.先用selenium打开你需要的登录的页面地址url1

2.通过审核元素获取验证码的地址url2（其实最简单的是右键打开新页面）

3：在url1页面，输入地址url2进入url2页面，然后截屏保存验证码页面

4：处理验证码得到验证码字符串。然后点击浏览器后退按钮，返回url1登录页面

5：输入登录需要的信息和验证码

6：点击登录

7：验证登录后的页面，判断是否成功，若不成功则需要重新1-7的操作。

为了保护公司的信息，这个页面是我本地搭的服务，我在伯乐在线注册页面进行测试过这个验证码获得方法，可以通过。（这个验证码的处理方法，仅限验证码背景是像素点，若验证码有横线需额外处理。）

第一篇博文，不喜勿喷。

验证码处理方法参考文献：

Web Scraping with Python.pdf